MétaCan
Menu
Retour à la cohorte
Enregistrement W4293759256 · doi:10.3390/jrfm15090381

Risks and Challenges Associated with NEOM Project in Saudi Arabia: A Marketing Perspective

2022· article· en· W4293759256 sur OpenAlexvenueno aff
Areej Algumzi

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMaritime Ports and Logistics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Force majeureBusinessScale (ratio)MarketingProject risk managementEnvironmental planningProject managementEngineeringGeographyPolitical scienceComputer scienceProject management triangle

Résumé

récupéré en direct d'OpenAlex

Saudi Arabia has proposed a new project, NEOM city, planned on the coast of the Red Sea with various unique and challenging features as a part of its vision 2030 to transform itself from an oil-dependent economy to knowledge-based economy. However, there are various risks and challenges associated with the project, the study of which is essential to effectively design and implement marketing and promotional strategies. Considering the large scale and scope of the project, the purpose of this study is to identify and evaluate the major contexts and associated risks in accordance with the planned city’s objectives. An online questionnaire-based survey was used to collecting data related to the severity of the risks identified and classified in a literature review. A purposive sampling approach was adopted to select experts from various governmental institutions to participate in the study. A final sample of 417 expert participants was achieved from various ministries and departments in Saudi Arabia. Eleven risk factors and challenges were identified, including design challenges, as well as legal, contractual, operational, force majeure, human resources, financial, technological, political, environmental, and sociocultural risks. Risks related to human resources (mean impact = 4) and technology factors (mean impact = 4), as well as contractual risks (mean impact = 3.9), were identified to be very high, whereas environmental (mean impact = 2.7), legal (mean impact = 2.5), and force majeure (mean impact = 2.2) risks were identified to be of low severity. Managing mega projects requires effective planning and implementation, along with risk identification and mitigation mechanisms. In addition, it is essential to manage various influencing factors (especially government decisions) in the process of implementation to achieve success.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,002
Communication savante0,0060,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,219
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetMaritime Ports and LogisticsTravaux en français237 207